Contexte
La segmentation est un processus très utilisé pour l'imagerie médicale, pour caractériser certains organes, ou pour détecter d'éventuelles anomalies (tumeurs, malformations). Malheureusement, le résultat idéal issu d'une segmentation est subjectif et dépend fortement de la qualité des images en entrée. De plus, les références établies par des experts (médecins) sont parfois contradictoires.
Objectif
Le but de ce stage est l'étude de l'intégration de contraintes utilisateurs dans un algorithme de segmentation, afin de corriger les éventuels défauts d'une segmentation purement automatique. Méthodologie Durant le stage, nous proposons de focaliser l'effort principalement sur deux approches de segmentation: les approches par ensemble de niveaux ("level sets"), et les approches de type "graph cuts". Pour chacune de ces deux méthodes, l'étudiant devra développer/intégrer plusieurs types de contraintes à postériori adaptées au formalisme utilisé. Les contraintes envisagées seront de type point (le contour final doit passer par une liste de points) ou région (le contour final doit passer par une région spécifique).
Résultats souhaités
L'objectif du travail à réaliser est double: - proposer un algorithme permettant de corriger un résultat de segmentation obtenu de façon automatique avec le minimum d'actions requises par l'utilisateur; - comparer les résultats/performances de segmentation obtenus au travers de 2 approches différentes (level-set et graph cuts). Afin de valider les résultats obtenus, une plateforme de validation sera mise en place. L'apport des approches proposées sera évalué à partir d'une base de données provenant de différentes modalités d'imagerie.
Compétences requises
Selon le profil du candidat, l'implantation des algorithmes se fera avec Matlab ou en c/c++